一次Java代码优化

记录一次编写一个udf的代码优化记录；

代码逻辑：通过将离线订单数统计量（每天5点更新累计到前一天24：00的量，这里存在两种情况，0-5时是累计到前天24时的量，5-24时是累计到昨天24点的量），实时提交订单统计量（只包含当天和昨天），实时取消订单统计量（只包含当天和昨天）这三个量解析出来，进行实时加减运算，计算出当前时刻某用户实时订单量。

原代码如下：

 @UdfFunction(udfName = "FLASH_HISTORY_ORDER_CNT")
    public long computeFlashOrderCount(String offlineData, String orderCount, String orderCancel){
        long offline = 0;
        long count = 0;
        SimpleDateFormat format = new SimpleDateFormat("yyyyMMdd");
        try {
            String today = format.format(new Date(System.currentTimeMillis()));
            String yesterday = format.format(new Date(System.currentTimeMillis()-86400000));
            Map orderCnt = new HashMap<>();
            if(!StringUtils.isBlank(orderCount)){
                orderCnt = renderFeatureMap(today, yesterday, orderCount);
            }
            Map orderCnl = new HashMap<>();
            if(!StringUtils.isBlank(orderCancel)){
                orderCnl = renderFeatureMap(today, yesterday, orderCancel);
            }
            if (!StringUtils.isBlank(offlineData)) {//离线数据存在
                String offline_date = offlineData.split(":")[0];
                offline = Long.valueOf(getValue(offlineData.split(":")[1]));
                if (offline_date.equals(yesterday)){//判断是否是昨天的数据
                    count =  offline + orderCnt.get(today) - orderCnl.get(today);
                }else {//离线数据不是昨天的数据
                    count = orderCnt.get(today) + orderCnt.get(yesterday) - orderCnl.get(today) - orderCnl.get(yesterday);
                    count += offline;
                }
            }else {//离线数据不存在
                for(Long s:orderCnt.values()){
                    count += s;
                }
                for(Long s:orderCnl.values()){
                    count -= s;
                }
            }
            if(count < 0){
                count = 0;
            }
        }catch (Exception e){
            log.error("FeatureUdf.fxwGivenDateValue.jsonValue.ValueError", e);
            return 0L;
        }
        return count;
    }

    private Map renderFeatureMap(String today,String yesterday, String jsonStr){
        Map map =  new HashMap<>();
        if(!StringUtils.isBlank(jsonStr)){
            Map kvMap = (Map) JSON.parseObject(jsonStr, Map.class);
            for(String k: kvMap.keySet()){
                if(k.contains(today) || k.contains(yesterday))
                map.put(k.substring(0,8),Long.valueOf(getValue(kvMap.get(k))));
            }
            map.computeIfAbsent(today,K -> 0L);
            map.computeIfAbsent(yesterday,K -> 0L);
        }else {
            map.put(today, 0L);
            return map;
        }
        return map;
    }

    private  String getValue(String v) {
        int index;
        if (!StringUtils.isEmpty(v)) {
            if ((index = v.indexOf("^")) > -1) {
                return v.substring(0, index);
            } else {
                return v;
            }
        }else{
            return "";
}

原代码中，我使用了好多map对象，基本上每个map都是初始化之后开始用的。这样会消耗大量的内存，如果QPS不高的情况下还好，QPS高的情况下会导致频繁GC。所以需要对代码进行优化。

优化后代码:

@UdfFunction(udfName = "FLASH_HISTORY_ORDER_CNT")
    public long computeFlashOrderCount(String offlineData, String orderCount, String orderCancel){
        SimpleDateFormat format = new SimpleDateFormat("yyyyMMdd");
        long offline = 0;
        long count = 0;
        try {
            Date date = new Date();
            date.setTime(System.currentTimeMillis());
            String today = format.format(date) + "0000";
            date.setTime(System.currentTimeMillis() - 86400000);
            String yesterday = format.format(date) + "0000";
            long[] orderCnt = renderFeatureMap(today, yesterday, orderCount);
            long[] orderCnl = renderFeatureMap(today, yesterday, orderCancel);
            if (StringUtils.isNotBlank(offlineData)) {//离线数据存在
                String offline_date = "";
                int index;
                String offlineData_value = getValue(offlineData);
                if((index = offlineData_value.indexOf(":")) > -1){
                    offline_date = offlineData_value.substring(0,index)+"0000";
                    offline = Long.valueOf(offlineData_value.split(":")[1]);
                }
                if (offline_date.equals(yesterday)){//判断是否是昨天的数据
                    count =  offline + orderCnt[0] - orderCnl[0];
                }else {//离线数据不是昨天的数据
                    count = orderCnt[0] + orderCnt[1] - orderCnl[0] - orderCnl[1];
                    count += offline;
                }
            }else {//离线数据不存在
                count = orderCnt[0] + orderCnt[1] - orderCnl[0] - orderCnl[1];
            }
            if(count < 0){
                count = 0;
            }
        }catch (Exception e){
            log.error("FeatureUdf.computeFlashOrderCount.jsonValue.ValueError offlineData:{}, orderCount:{}, orderCancel:{}", offlineData, orderCount, orderCancel);
            return 0L;
        }
        return count;
    }

    private long[] renderFeatureMap(String today,String yesterday, String jsonStr){
        long[] featureArr = new long[2];
        if(StringUtils.isNotBlank(jsonStr)){
            JSONObject jsonObject = JSON.parseObject(jsonStr);
            if(StringUtils.isNotBlank(jsonObject.getString(today))){
                featureArr[0] = Long.valueOf(getValue(jsonObject.getString(today)));
            }
            if(StringUtils.isNotBlank(jsonObject.getString(yesterday))){
                featureArr[1] = Long.valueOf(getValue(jsonObject.getString(yesterday)));
            }
        }
        return featureArr;
    }
private  String getValue(String v) {
        int index;
        if (!StringUtils.isEmpty(v)) {
            if ((index = v.indexOf("^")) > -1) {
                return v.substring(0, index);
            } else {
                return v;
            }
        }else{
            return "";
        }
    }

优化原则：

能用数组代替的map就用数组代替，不能用数组代替的map则按照预计大小初始化容量大小，或者不进行初始化操作。

其中SimpleDateFormat当初在优化的时候曾将其当成静态变量放置在方法体外部，但是在测试的时候发现SimpleDateFormat是线程不安全的。所以就搁置在方法体内部。